资源分类
电力行业论文
电力行业期刊
电力行业成果
电力行业专利
电力工业标准
能源、核技术
电工
电子与信息技术
- > 电子元器件与信息技术综合
- > 电子元件
- > 电真空器件
- > 半导体分立器件
- > 微电路
- > 计算机
- > 信息处理技术
- > 电子测量与仪器
- > 电子设备专用材料、零件、结构件
- > 电子工业生产设备
仪器仪表
- > 仪器、仪表综合
- > 工业自动化仪表与控制装置
- > 电工仪器仪表
- > 物质成分分析仪器与环境监测仪器
- > 实验室仪器与真空仪器
- > 试验机与无损探伤仪器
工程建设
其他相关行业
电力行业机构
电力企业
采矿业
制造业
- > 通用设备制造业
- > 专用设备制造业
- > 交通运输设备制造业
- > 电气机械及器材制造业
- > 通信设备、计算机及其他电子设备制造业
- > 仪器仪表及文化、办公用机械制造业
- > 金属制品业
- > 非金属矿物制品业
融合自注意力机制的风电机组主轴状态监测 2022年11月1日 【正式出版版本】 【曾经优先出版版本】
融合自注意力机制的风电机组主轴状态监测
Wind Turbine Spindle Status Monitoring Based on Self Attention Mechanism 2022年11月1日 【正式出版版本】 【曾经优先出版版本】
Wind Turbine Spindle Status Monitoring Based on Self Attention Mechanism
-
摘要： - 根据轴承温度标准,通过分析主轴温度的差异性变化来预测故障存在的可能性.首先,对数据进行清洗,并以线性插值法和贝叶斯–高斯CP(canonical decomposition/parallel factor)模型混合方式对缺失数据进行扩增.然后,将自注意力机制加入ConvLSTM(convolution long short-term)网络搭建主轴状态监测模型.通过自注意力机制消融实验,验证了自注意力机制能够提高ConvLSTM的预测准确率.进行了与LSTM、双向循环神经网络和CNN-LSTM(convolutional neural networks-long short term)模型的对比实验.结果表明,ConvLSTM对主轴温度预测的精确度高.最后,通过实际案例验证了模型的有效性.
|
|
赵文清
[1]
孔文轩
[2]
王继发
[2]
|
|---|---|
| Author： | ZHAO Wenqing[1] KONG Wenxuan[2] WANG Jifa[2] |
|
|
|
|
|
电力科学与工程 ISTIC EI SCI PKU CSSCI |
|
|
Electric Power Science and Engineering ISTIC EI SCI PKU CSSCI |
|
|
2022, 38(11) |
|
|
TK83 |
|
|
风力发电机组
主轴
温度
状态监测
自注意力机制
数据扩增
|
|
|
TM315 TM614 TN957.51+3 |
|
|
2022年12月2日 |
|
|
河北省自然科学基金，河北省在读研究生创新能力培养资助项目 |
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文
京公网安备11010802020237号